[論文レビュー] Dynamical Classes of Collective Attention in Twitter

Janette Lehmann, Bruno Gonçalves+2 more|arXiv (Cornell University)|Nov 8, 2011

Complex Network Analysis Techniques被引用数 4

ひとこと要約

本稿は、ピーク活動周辺のユーザー参加の時間的パターンに基づき、Twitterにおけるハッシュタグ人気の4つの明確な力学的クラスを同定する。意味的分析およびネットワーク伝播メトリクスを用いて、コンテンツの意味的性質——特に注目が予測的、対称的、または遅延的であるかどうか——がこれらのクラスを決定づけていることが示され、感染症拡散よりも外部要因（例：マスコミ報道）が集団的注目動態を形作る上でより大きな役割を果たしている。

ABSTRACT

Micro-blogging systems such as Twitter expose digital traces of social discourse with an unprecedented degree of resolution of individual behaviors. They offer an opportunity to investigate how a large-scale social system responds to exogenous or endogenous stimuli, and to disentangle the temporal, spatial and topical aspects of users' activity. Here we focus on spikes of collective attention in Twitter, and specifically on peaks in the popularity of hashtags. Users employ hashtags as a form of social annotation, to define a shared context for a specific event, topic, or meme. We analyze a large-scale record of Twitter activity and find that the evolution of hastag popularity over time defines discrete classes of hashtags. We link these dynamical classes to the events the hashtags represent and use text mining techniques to provide a semantic characterization of the hastag classes. Moreover, we track the propagation of hashtags in the Twitter social network and find that epidemic spreading plays a minor role in hastag popularity, which is mostly driven by exogenous factors.

研究の動機と目的

• Twitterにおけるハッシュタグ人気の時間的ダイナミクスを、明確で頑健な力学的クラスに分類すること。
• テキストマイニングおよび意味的リソースを用いて、これらの力学的クラスと関連するツイートの意味的コンテンツを関連付けること。
• 社会的ネットワーク伝播（感染症拡散）と外部要因の両者が、ハッシュタグ人気をどのように形作っているかを調査すること。
• 単純な時系列パラメータに依存するスケーラブルで頑健な方法を開発し、集団的注目パターンを分類すること。
• これらの発見が、ソーシャルメディアストリームの暗黙の時間的タグ付けおよび意味的アノテーションに与えるインパクトを検討すること。

提案手法

• 著者らは2008年11月から2009年5月までの期間にわたる1億3000万件のツイートデータセットを分析し、ピークの人気を示すハッシュタグに焦点を当てる。
• 各ハッシュタグについて、日単位のヒット数時系列を抽出し、ピーク日に対する活動分布に基づいて粗粒度化手法を適用して、4つの力学的クラスにハッシュタグを分類する。
• 意味的特徴付けは、ツイート内容を意味的リソースに照合することで、各力学的クラスに関連するテーマクラスタを同定することによって実施する。
• Twitterのソーシャルネットワーク上でのハッシュタグの伝播は、フォロワーネットワークから導出された感染症拡散パラメータ（例：R0、感染率）を用いてモデル化される。
• 微小な摂動に対して安定性を確認することで、力学的クラスの割り当ての頑健性を検証する。
• 本手法は、複雑なパワーロー適合や高分解能相関解析を避けて、単純でスケーラブルな時系列パラメータ（例：ピーク前、ピーク後、対称的、バースト型活動）に依存する。

実験結果

リサーチクエスチョン

• RQ1 Twitterにおけるハッシュタグ人気の明確な時間的力学的クラスは何か。それらはどのように特徴づけられるか。
• RQ2 異なる力学的クラスに関連するツイートの意味的コンテンツは、意味的および社会的文脈においてどのように異なるか。
• RQ3 ハッシュタグ人気の背後にある要因として、ソーシャルネットワーク内での内発的伝播と外部マスコミ露出のどちらがより大きな影響を及ぼしているか。
• RQ4 日次の人気プロファイルに基づく単純でスケーラブルな方法が、集団的注目パターンを信頼性高く分類できるか。
• RQ5 コンテンツの意味的性質が、観察された注目の力学的クラスを形成する上で果たす役割は何か。

主な発見

• 著者らは、ピーク周辺の活動分布に基づき、4つの安定的かつ明確に定義された力学的クラス（ピーク前優位、ピーク周辺対称的、ピーク後優位、バースト型＝短命）を同定する。
• ピーク前の活動が顕著なハッシュタグは、スケジュールされた出来事（例：オスカー授賞式）に関連しており、予測的集団行動を示している。
• 対称的な活動パターンは、内発的伝播に起因しており、ソーシャルネットワーク内での拡散が主な駆動要因であると考えられる。
• ピーク後優位のハッシュタグは、予期しない出来事や緊急事態（例：スイネーフルインフルエンザ）に関連しており、外部からの強い初期化（シーディング）を示している。
• 高水準のマスコミ報道にもかかわらず、オスカーとスイネーフルインフルエンザのハッシュタグの両方で内発的伝播（R0が低い）が顕著でなかったため、外部要因がその拡散を支配していることが示された。
• 本研究では、ネットワーク伝播ダイナミクスよりも、意味的コンテンツと出来事の種別が力学的クラスの予測により強く寄与していることが判明し、感染症モデルが人気パターンを完全に説明できるという仮定に疑問を呈している。